opencv安装介绍以及基本图像处理详解

文章目录

  • 一、什么是OpenCV ？
  • 二. OpenCV 安装
    • 1. 下载地址
    • 2.安装命令：pip install opencv-python
  • 三、图像基础
    • 1. 基本概念
    • 2. 坐标系
    • 3. 基本操作（彩色图片）
      • （1）读取图片：cv2.imread( )
      • （2）获取图片的形状：img.shape
      • （3）获取图片的大小：img.size
      • （4）显示图片：cv2.imshow( )
      • （5）等待：cv2.waitKey(0)
      • （6）关闭：cv2.destroyAllWindows()
    • 4. 基本操作（灰度图片）
    • 5. BGR 顺序

一、什么是OpenCV ？

OpenCV的全称是：Open Source Computer Vision Library

OpenCV是Intel开源计算机视觉库。它由一系列 C 函数和少量 C++ 类构成，，可以运行在Linux、Windows、Android和Mac OS操作系统上。实现了图像处理和计算机视觉方面的很多通用算法。

优点：

1、 OpenCV 对非商业应用和商业应用都是免费的；

2、 开源的；

3、 可以应用于工程实践中；

缺点：

相对于Matlab而言，OpenCV基于C语言开发，编程复杂，开发周期较长。

可以看出，OpenCV的优缺点正好与Matlab的优缺点相反，两者各有所长，根据不同的要求选择不同的编程环境。

应用领域：

1、人机互动 2、物体识别 3、图象分割 4、人脸识别 5、动作识别　6、运动跟踪 7、机器人 8、运动分析 9、机器视觉 10、结构分析 11、汽车安全驾驶

为什么有OpenCV？

计算机视觉市场巨大而且持续增长，且这方面没有标准API，目前的计算机视觉软件大概有以下三种：
　　1.研究代码（慢，不稳定，独立并与其他库不兼容）
　　2.耗费很高的商业化工具（比如Halcon, MATLAB+Simulink）
　　3.依赖硬件的一些特别的解决方案（比如视频监控，制造控制系统，医疗设备）

这是目前的现状。而标准的API将简化计算机视觉程序和解决方案的开发。OpenCV致力于成为这样的标准API。

二. OpenCV 安装

1. 下载地址

https://opencv.org/releases/
最新版目前是4.9.0 感兴趣的可以看下源码source
在这里插入图片描述

官方文档：https://docs.opencv.org/4.x/d9/df8/tutorial_root.html

2.安装命令：pip install opencv-python

在这里插入图片描述

检查下opencv是否安装成功，进入python环境，导入cv2，如果不报错就是安装成功
在这里插入图片描述

查看opencv版本
在这里插入图片描述

三、图像基础

1. 基本概念

（1）像素：计算机屏幕上所能显示的最小单位。用来表示图像的单位。

（2）RGB，R : Red，G : Green，B : Blue，每个的范围是0~255。
在这里插入图片描述

在这里插入图片描述

一张图片是由无数个像素组成的
在这里插入图片描述

2. 坐标系

这个logo像素是：18 X 20 = 360 pixels
坐标系的原点(0,0)在左上角，每一个点的坐标是:
(height, width, channel)。
channel就是颜色数量，比如RGB，channel就是3

在这里插入图片描述

在这里插入图片描述

3. 基本操作（彩色图片）

（1）读取图片：cv2.imread( )

我们先看看图片的样子
在这里插入图片描述

image = cv2.imread(‘image/123.png’) #注意，图片名称不能带中文。不然读取不到
image
得到的是个数组
在这里插入图片描述

#如果向要读取中文路径或中文文件名，需要转换下
#定义包含中文字符的图片路径
image_path = r"F:\virtualenvdata\ai\Scripts\pythonitems\myopencv\image\灰度.jpg"

#读取带有中文路径的图片
import numpy as np
image = cv2.imdecode(np.fromfile(image_path, dtype=np.uint8), -1)

#imdecode读取的是rgb，如果后续需要opencv处理的话，需要转换成bgr，转换后图片颜色会变化
image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
image.shape
在这里插入图片描述

查看这张图片的RGB分别是多少呢?
#查看图片的RGB
#在opencv中，图片的排序是BGR
#查看图片中某个点的三原色数值

b,g,r = image[40,20]
在这里插入图片描述

如果只想取出三原色中的一种，可以根据下标获取
#取出三原色中的某一种色的数值，根据下标获取
b = image[40,20,0]
b
可以看到跟同时取是一致的
在这里插入图片描述

#重新给像素赋值，更换颜色
image[40,20] = (0,0,255)
可以看到赋值成功
在这里插入图片描述

（2）获取图片的形状：img.shape

返回一个 (rows, heights, channels)
在这里插入图片描述

（3）获取图片的大小：img.size

返回一个rowsheightschannels

（4）显示图片：cv2.imshow( )

（5）等待：cv2.waitKey(0)

（6）关闭：cv2.destroyAllWindows()

图像显示完之后，要记得关闭，不然一直占用内存

cv2.imshow(‘image’,image)
#记得显示的时候，一定要等一下，不然会一闪而过
cv2.waitKey(0) 0 为参数，单位毫秒，表示间隔时间
waitKey(int delay)键盘绑定函数，共一个参数，表示等待毫秒数，将等待特定的几毫秒，看键盘是否有输入，
如果delay大于0，那么超过delayms后，如果没有按键，那么会返回-1，
如果按键那么会返回键盘值,返回值为ASCII值。
如果其参数为0，则表示无限期的等待键盘输入。

#关闭所有窗口
cv2.destroyAllWindows()
显示的很大，而且不能缩小

在这里插入图片描述

4. 基本操作（灰度图片）

（1）读取图片：cv2.imread( img, cv2.IMREAD_GRAYSCALE ) #灰度读取，一定要加上 cv2.IMREAD_GRAYSCALE 这个参数
先看下图片
在这里插入图片描述

#读取灰度图片
image = cv2.imread(‘image/huidu.jpg’,cv2.IMREAD_GRAYSCALE)
image
在这里插入图片描述

（2）获取图片的形状：img.shape，返回一个(rows, heights)
image.shape
可以看到灰度图片不包含channel
在这里插入图片描述

（3）展示灰度图片
#显示灰度图片
cv2.imshow(“hui”,image)
cv2.waitKey(0)
cv2.destroyAllWindows()
在这里插入图片描述

5. BGR 顺序

在这里插入图片描述

每个像素点由BGR三种颜色组成
在这里插入图片描述

#BGR顺序
img_logo = cv2.imread(‘image/logo.png’)
#获取整张图片的BGR
b,g,r = cv2.split(img_logo)

#生成新图片
image_new = cv2.merge([r,g,b])
image_new

#展示
import matplotlib.pyplot as plt
plt.subplot(121)
plt.imshow(img_logo)
plt.subplot(122)
plt.imshow(image_new)
plt.show()
在这里插入图片描述

使用opencv展示

cv2.imshow(‘bgr_image’,img_logo)
cv2.imshow(‘rgb_image’,image_new)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/479786.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

java中实体pojo对于布尔类型属性命名尽量别以is开头，否则 fastjson可能会导致属性读取不到

java中实体pojo对于布尔类型属性命名尽量别以is开头，否则 fastjson可能会导致属性读取不到

假如我们有一个场景，就是需要将一个对象以字符串的形式，也就是jsonString存到一个地方，比如mysql，或者redis的String结构。现在有一个实体，我们自己创建的，叫做CusPojo.java 有两个属性是布尔类型的&#x…
阅读更多...
获取 Windows 系统托盘图标信息的最新方案（一）

获取 Windows 系统托盘图标信息的最新方案（一）

目录 前言 1 获取系统托盘图标的一般方法 1.1 使用 TB_ 类消息的注意事项 1.2 代码编写和测试 1.3 技术的适用范围 2 深度分析系统托盘图标信息 2.1 分析 Shell_NotifyIcon 函数参数 2.2 分析 Shell_NotifyIcon 函数的内部细节 2.3 分析 WM_COPYDATA 消息 2.4 调用方…
阅读更多...
Milvus数据库介绍

Milvus数据库介绍

参考：https://www.xjx100.cn/news/1726910.html?actiononClick Milvus 基于FAISS、Annoy、HNSW 等向量搜索库构建，核心是解决稠密向量相似度检索的问题。在向量检索库的基础上，Milvus 支持数据分区分片、数据持久化、增量数据摄取、标量向量…
阅读更多...
前端简单知识复习

前端简单知识复习

1.symbol类型 Symbol 是 ECMAScript 6 中引入的一种新的基本数据类型，它表示独一无二的值。Symbol 值是通过 Symbol() 函数创建的。 Symbol 值具有以下特点： 独一无二性（唯一性）：每个通过 Symbol() 函数创建的 Symb…
阅读更多...
【硬核】Log4j2 与 Logback 当初的选型以及在当前云原生环境下的反思与展望

【硬核】Log4j2 与 Logback 当初的选型以及在当前云原生环境下的反思与展望

个人创作公约：本人声明创作的所有文章皆为自己原创，如果有参考任何文章的地方，会标注出来，如果有疏漏，欢迎大家批判。如果大家发现网上有抄袭本文章的，欢迎举报，并且积极向这个 github 仓库 提交…
阅读更多...
【动态规划专栏】专题二：路径问题--------6.地下城游戏

【动态规划专栏】专题二：路径问题--------6.地下城游戏

本专栏内容为：算法学习专栏，分为优选算法专栏，贪心算法专栏，动态规划专栏以及递归，搜索与回溯算法专栏四部分。 通过本专栏的深入学习，你可以了解并掌握算法。 💓博主csdn个人主页：小…
阅读更多...
详解FreeRTOS：系统内核控制函数（拓展篇—8）

详解FreeRTOS：系统内核控制函数（拓展篇—8）

FreeRTOS 中系统内核控制函数只供系统内核使用，用户应用程序一般不允许使用，本篇博文讲解这些函数仅供大家了解和参考。 在 FreeRTOS 官网可以找到这些函数，如下图所示： 链接：https://www.freertos.org/zh-cn-cmn-s/a0…
阅读更多...
Spin Image特征描述子简介

Spin Image特征描述子简介

一、向量点积 二、狄拉克δ函数公式 三、Spin Image特征描述子原理 Spin Image自旋图像描述符可视化以及ICP配准-CSDN博客
阅读更多...
steam搬砖项目真的假的，2024年到底还能不能做？

steam搬砖项目真的假的，2024年到底还能不能做？

2024年steam搬砖项目到底还能不能做，很多小伙伴比较关注国外steam搬砖项目，那steam搬砖到底需要什么东西就可以启动？它被很多人吹得天花乱坠，神神秘秘，高深莫测。甚至还有人说steam搬砖需要特定的环境和国外手机。 st…
阅读更多...
ETL、ELT区别以及如何正确运用

ETL、ELT区别以及如何正确运用

一、 浅谈ETL、ELT ETL与ELT的概念 ETL (Extract, Transform, Load) 是一种数据集成过程，通常用于将数据从一个或多个源系统抽取出来，经过清洗、转换等处理后，加载到目标数据存储中。这种方法适用于需要对数据进行加工和整合后再加载到目标…
阅读更多...
docker （九）-进阶篇-docker-compos最佳实践部署zabbix

docker （九）-进阶篇-docker-compos最佳实践部署zabbix

一 部署docker环境 关闭防火墙、selinux、开启docker，并设置开机自启动 注意点：docker部署的时候，bip要指定，不然会导致虚拟机ip和容器ip冲突，ssh连不上虚拟机 部署请参考 docker （二）-yum…
阅读更多...
字典树Trie 简介和相关例题分析

字典树Trie 简介和相关例题分析

一.字典树定义 概念：字典树（TrieTree），是一种树形结构，典型应用是用于统计，排序和保存大量的字符串（但不仅限于字符串,如01字典树）。主要思想是利用字符串的公共前缀来节约存储空间…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023